使用SciPy minimize最大化函数时遇TypeError错误求助

错误原因 #

• 初始变量定义错误：np.ndarray(45.0)不是创建包含初始值45.0的数组的正确写法，会生成不符合预期的对象，导致minimize无法迭代处理。单变量初始值应使用np.array([45.0])或直接传入标量45.0。
• 目标函数未使用优化变量：函数f直接引用全局变量theta，而非minimize传入的迭代参数X，违背优化逻辑的同时会引发类型不匹配问题。
• 边界参数格式错误：bdns = (0.0, 90.0)是单个元组，而minimize的bounds参数要求是序列（如列表），每个元素对应一个变量的边界元组，单变量场景需写成[(0.0, 90.0)]。

修复后的代码 #

import scipy.optimize as spo
import math as m
import numpy as np

# 定义常量
fenceLength = 7.5  # ft
pointLoad = 500    # lbs
ex2 = 2            # in
ey2 = 4            # in

# 定义初始变量（正确的数组形式）
theta = np.array([45.0])  # degrees

# 定义theta的边界（列表包裹元组的格式）
bdns = [(0.0, 90.0)]

def f(X, *args):
    # 使用传入的优化变量X，替代全局theta
    current_theta = X[0]
    ex1 = (fenceLength/2)*m.cos(m.radians(current_theta))
    ey1 = (fenceLength/2)*m.sin(m.radians(current_theta))
    # 通过返回原函数负值，用minimize实现最大化需求
    Y = m.sqrt(((pointLoad*(ey1+ey2))**2 + (pointLoad*(ex1+ex2))**2)) * -1
    return Y

# 调用优化器
theta_final = spo.minimize(f, theta, method='SLSQP', options={'disp':True}, bounds=bdns)

# 打印优化结果
print("优化后的theta值：", theta_final.x[0])

内容的提问来源于stack exchange，提问作者Jdonza